I.14Автоматизация процессов и AI-агенты

Elsephire создал бета-модель слиянием Qwen3.6-35B-A3B и Nex-N2-mini методом Task Arithmetic с весами 80/20; для слияния использовался Minerve-Fusion. Модель относится к семейству Qwen3.5 MoE и предназначена для диалогов и анализа изображений. Она принимает текст и изображения, поддерживает интерфейс вызова инструментов и выдаёт текстовые ответы. Репозиторий содержит веса Safetensors и GGUF F16. Лицензия — MIT. Это экспериментальная бета-версия, автор приглашает тестировать её и оставлять отзывы. Метаданные относят модель к задаче image-text-to-text; базовая Qwen описана как мультимодальная модель с 35 млрд параметров. README не уточняет распределение весов в самой модели, длину контекста и поддерживаемые языки.

Это пакет GGUF с послойно разделёнными файлами модели Qwen3.8-Flash-Next-UD-IQ1_S для распределённого запуска в кластере Mesh LLM. Пакет создан на основе unsloth/Qwen3.8-Flash-Next-GGUF и предназначен для локального инференса, в том числе на нескольких машинах, когда исходная модель не помещается на одном узле. Mesh LLM предоставляет для неё локальный API чата и совместимый с OpenAI интерфейс completions. В метаданных указаны семейство Qwen3, возможности чата и обработки изображений, а также задачи image-text-to-text. Артефакты разделены по слоям для распределённого инференса; это экспериментальный пакет. README предупреждает, что корректность разделения, работа во время выполнения и мультимодальная сертификация ещё не подтверждены. Пакет распространяется по лицензии other; за условиями использования README отсылает к карточке исходной модели.

RankingGPT-bloom-560m — модель ранжирования текстов на основе языковой модели семейства BLOOM, опубликованная авторами проекта RankingGPT. Репозиторий содержит плотную авторегрессионную архитектуру BloomForCausalLM с примерно 659,6 млн параметров в формате PyTorch; модель предназначена для оценки и упорядочивания текстовых кандидатов по релевантности, включая сценарии внутри и вне домена обучения. Модель подходит для поиска и ранжирования документов или ответов по запросу, например в поисковых системах и конвейерах извлечения информации. В карточке приведены сравнительные результаты на DL19, DL20 и BEIR, однако для этой конкретной версии отдельные показатели не выделены в доступном тексте. Поддерживаемый язык по карточке — английский. Лицензия MIT.

RankZephyr 7B V1 Full — языковая модель для переупорядочивания списка документов по релевантности запросу. Разработана Castorini на основе Zephyr-7B-β и дополнительно дообучена на списковых данных ранжирования RankGPT-4; в метаданных базовой моделью указана mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает запрос и документы и возвращает их идентификаторы в порядке релевантности. Она предназначена для listwise-реранжирования в связке с RankLLM и показала высокие результаты на наборах DL19–DL22, TREC-COVID и TREC-News. Основной язык обучения и применения — английский; перенос результатов на многоязычные данные не гарантирован. Модель распространяется по лицензии MIT. Это специализированный реранкер, а не универсальная чат-модель; базовая Zephyr-модель может выдавать проблематичный контент, поскольку не проходила описанный в её карточке этап выравнивания по предпочтениям для безопасности.

Shitao/RetroMAE — предобученная языковая модель, разработанная авторами RetroMAE: Shitao Xiao, Zheng Liu, Yingxia Shao и Zhao Cao. Она основана на BERT-подобном трансформере и предназначена для задач поиска и семантического сопоставления текстов, а также для дальнейшего обучения плотных ретриверов. В исходной архитектуре используется асимметричная схема masked auto-encoder: полноразмерный трансформер-энкодер и однос layer-трансформер-декодер. Модель содержит около 136,7 млн параметров, работает с контекстом до 512 токенов и доступна через Transformers как masked language model для задачи fill-mask.

BRIA RMBG-2.0 — модель удаления фона, разработанная BRIA AI на архитектуре BiRefNet с собственной схемой обучения и профессиональным набором данных. Она выполняет сегментацию изображения и выдаёт одноканальную 8-битную альфа-карту: значение каждого пикселя задаёт степень его прозрачности, позволяя настраивать порог отделения переднего плана от фона. Модель предназначена для вырезания объектов и людей на фотографиях и других изображениях, включая материалы электронной торговли, рекламы и игрового контента. Обучение проводилось на более чем 15 000 вручную размеченных лицензированных изображений с разными типами объектов и фонов. Весам на Hugging Face соответствует лицензия CC BY-NC 4.0 для некоммерческого использования. Для коммерческого развёртывания требуется отдельное соглашение с BRIA AI либо использование API BRIA с коммерческой лицензией.

Модель Skeiceee/roberta-base-bne-platzi-project-nlp-con-transformers — дообученная для классификации текста версия PlanTL-GOB-ES/roberta-base-bne. Она использует архитектуру RoBERTa для классификации последовательностей; размер модели — 151,8 млн параметров, контекст — до 514 токенов. В карточке приведены результаты оценки: accuracy 0,858 и loss 0,4597. Модель предназначена для задач классификации текста, однако карточка не описывает метки классов, обучающий набор данных или конкретные сценарии применения. Распространяется в формате safetensors по лицензии Apache-2.0.

EvgeniaKomleva/roberta-large-finetuned-abbr-finetuned-ner — англоязычная модель разметки последовательностей на базе RoBERTa-large, дообученная на наборе plod-filtered для обнаружения и классификации аббревиатур в тексте. Модель содержит 454,1 млн параметров и поддерживает контекст до 514 токенов. На оценочном наборе указаны precision 0,9800, recall 0,9767, F1 0,9784 и accuracy 0,9762. Модель подходит для извлечения упоминаний аббревиатур из текста, например в составе NLP-конвейера. Распространяется по лицензии MIT.

rubert-nli-threeway-onnx — русскоязычный BERT-классификатор последовательностей, экспортированный в ONNX. Модель разработана для трёхстороннего распознавания логического отношения между посылкой и гипотезой: следование (entailment), противоречие (contradiction) или нейтральное отношение (neutral). Она принимает input_ids, attention_mask и token_type_ids и выдаёт logits для трёх классов. В репозитории представлены варианты fp32, fp16 и динамический int8. Версии fp16 и int8 предназначены для уменьшения размера и ускорения инференса на соответствующем оборудовании; для всех вариантов сохранены входы и выходы формата fp32/целочисленных идентификаторов. Контекст — до 512 токенов, размер модели — 205,1 млн параметров. README сообщает о проверке сохранения предсказанного класса на восьми наборах примеров, что не является широкой оценкой качества. Лицензия — Apache-2.0.

Vikhr Salt — мультимодальная модель, разработанная Ксенией Сычёвой, Константином Королёвым и Александром Николичем. Она дообучена на TinyLlama/TinyLlama_v1.1 и расширена аудиотокенами для распознавания речи и синтеза речи. Модель относится к семейству Llama, имеет около 1 млрд параметров и принимает текст и аудио, выдавая текст или аудио. В README описаны варианты кодирования аудио Encodec и SpeechTokenizer; метаданные указывают контекст 2048 токенов. Модель подходит для преобразования речи в текст и генерации речи из текста. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества, поэтому точность распознавания и естественность синтеза по этим данным определить нельзя.

DMetaSoul/sbert-chinese-qmc-domain-v1 — модель векторных представлений предложений на архитектуре BERT, основанная на bert-base-chinese и дообученная на наборе вопросов LCQMC от Baidu Zhidao. Она предназначена для сопоставления вопросов в открытой предметной области: преобразует текст в эмбеддинги, которые можно сравнивать по сходству для поиска перефразировок и семантически близких запросов. Модель содержит 129,5 млн параметров, принимает китайский текст с контекстом до 512 токенов и распространяется в формате PyTorch; её можно использовать через Sentence-Transformers или Transformers. В README приведены результаты оценки на нескольких наборах данных семантического сопоставления. Качество зависит от набора данных, а обучение на LCQMC может ограничивать переносимость на другие языки и специализированные области. Лицензия в доступных сведениях не указана.

allenai/scibert_scivocab_uncased_field_of_study — модель классификации научных текстов по областям исследования, созданная дообучением SciBERT командой AllenAI. Она предназначена для определения области научной публикации или другого научного текста по его содержанию. Модель использует архитектуру BERT и веса SciBERT, адаптированные для научного словаря. Опубликована в формате PyTorch. README сообщает, что данные для дообучения были собраны с помощью моделей OpenAI, но не раскрывает полный состав набора данных или подробности обучения. Лицензия в предоставленных данных не указана.

SkillMatch MPNet — дообученная модель Aleksandruz на базе sentence-transformers/all-mpnet-base-v2 для сопоставления предложений из описаний вакансий с определениями навыков. Она кодирует оба текста в векторы, после чего косинусное сходство позволяет находить наиболее подходящие навыки для каждого предложения. Модель предназначена для извлечения навыков и поиска по ним в текстах вакансий. Модель использует архитектуру MPNet и содержит 136,7 млн параметров. Принимает текст на английском языке; контекст — до 514 токенов. Распространяется в формате Safetensors по лицензии MIT. Оценивалась в исследованиях по автоматическому извлечению навыков и бенчмарке для рабочих задач.

Skywork-Critic-Llama-3.1-8B — языковая модель-критик, разработанная командой SkyworkAI Alignment Team для попарного сравнения ответов и оценки их относительного качества или уместности. Модель построена на архитектуре Llama 3.1, содержит 7,5 млрд параметров и дообучена на базе meta-llama/Meta-Llama-3.1-8B-Instruct. Она принимает текст и генерирует текстовую оценку; заявленная длина контекста — 131 072 токена. Модель предназначена для улучшения данных, оценки ответов и построения моделей вознаграждения. В README приведены результаты RewardBench за сентябрь 2024 года: версия 8B заняла первое место среди генеративных моделей менее чем с 10 млрд параметров; эти результаты относятся к указанному бенчмарку и дате. Метаданные указывают поддержку чата и интерфейса вызова инструментов. В карточке указана лицензия other, поэтому условия использования следует сверить с файлами и условиями репозитория. Разработчики просят проводить проверку безопасности перед развертыванием в интернет-сервисах и предупреждают о возможных непредсказуемых рисках, включая ошибки при вводе модели в заблуждение или ненадлежащем использовании.

trick45-smoke-5 — опубликованный сообществом Affine чекпойнт для генерации текста и диалогового общения. По метаданным это модель семейства Qwen3.5 MoE с архитектурой causal language model, содержащая 2,9 млрд параметров и рассчитанная на контекст до 262 144 токенов. Модель загружается через Transformers; веса представлены в формате safetensors. Карточка описывает публикацию как community-shared checkpoint, выпущенный Affine Community Dashboard. Доступ к скачиванию закрыт и запрашивается на Hugging Face. Языки, на которых модель обучалась или рассчитана работать, не обозначены. Лицензия указана как other, поэтому конкретные условия использования по имеющимся сведениям определить нельзя.

smolaya — разработанная автором репозитория компактная версия модели convaiinnovations/laya для принятия решений по тексту. Это плотная модель с энкодером ModernBERT-large, сокращённым с 28 до 20 слоёв, и обучаемой головой решений; всего 323 млн параметров. Модель принимает текст, вопрос и заданные варианты ответа, а за один проход выдаёт оценки вариантов. Все слои энкодера, эмбеддинги и голова дообучены на смеси размеченных наборов данных. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель предназначена для классификации по заданным вариантам, анализа тональности, ответов «да/нет» по тексту и задач с выбором ответа. Автор сообщает о более высокой точности на пяти оценённых задачах по сравнению с laya и ускорении примерно в 2,8 раза на CPU при использовании отдельной версии int8. Модель работает только с английским языком. Она хуже справляется с вопросами, требующими обширных знаний, чувствительна к порядку вариантов, а для вопросов на понимание текста с ответом «да/нет» может чрезмерно завышать уверенность. Результаты бенчмарков требуют проверки на целевых данных.

Soar-qwen-32b-i1-GGUF — квантизированная версия модели Soar-qwen-32b, разработанной julien31. Квантизацию выполнил mradermacher; модель основана на Qwen с заявленным размером 32B параметров и распространяется в формате GGUF. Модель предназначена для генерации текста, написания кода, программного синтеза и задач, связанных с ARC и ARC-AGI, включая подходы на основе эволюционных алгоритмов. В метаданных указан английский язык. Данные для обучения включают набор julien31/soar_arc_train_5M. Информация о поддерживаемых модальностях, размере контекстного окна и точной архитектуре в README не приведена, поэтому модель следует рассматривать как текстовую. Доступны варианты квантизации от IQ1_S до Q6_K с размером файлов примерно от 7,4 до 27 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве; README рекомендует Q4_K_M как быстрый вариант и отмечает Q4_K_S как хороший компромисс между размером, скоростью и качеством. Ограничения включают потери качества, зависящие от выбранного уровня квантизации, а также отсутствие подробных оценок производительности и спецификаций контекста. Лицензия — Apache-2.0.

SpeakerKit Pro — модель для распознавания речи и определения говорящих, опубликованная Argmax. Репозиторий содержит формат Core ML и предназначен для использования с библиотекой WhisperKit; по карточке Hugging Face основная задача модели — автоматическое распознавание речи. Модель принимает аудио и может применяться в сценариях, где нужно преобразовать запись в текст. Теги репозитория указывают на связь с Whisper и diarization, однако README не описывает точные возможности разделения речи по говорящим, архитектуру, размер, языки или длину контекста. В карточке указана лицензия other, поэтому условия использования следует сверить с сопровождающей документацией. README содержит ссылки на блог, TestFlight и исследовательскую статью, но не приводит сведений о качестве распознавания или известных ограничениях.

anas-awadalla/splinter-large-finetuned-squad — модель семейства Splinter, разработанная путём дообучения tau/splinter-large-qass на наборе данных SQuAD. Она предназначена для поиска ответа на вопрос в предоставленном тексте и подходит для систем, которые отвечают на вопросы по документам и справочным материалам. Модель содержит 432,3 млн параметров, использует архитектуру SplinterForQuestionAnswering и принимает контекст длиной до 512 токенов. Доступны веса PyTorch; лицензия — Apache-2.0. Карточка не сообщает результаты оценки и подробные ограничения качества. Модель ориентирована на англоязычный набор SQuAD; пригодность для других языков и предметных областей по имеющимся данным не подтверждена.

Карточка модели anassaifi12/sql_model_2 на Hugging Face совпадает с карточкой anassaifi12/qwen2.5-3b_sql_trained_model, поэтому описание составлено по ней. anassaifi12 дообучил модель Qwen2.5-3B для генерации текста на базе unsloth/qwen2.5-3b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Название репозитория указывает на обучение для работы с SQL, однако README не описывает обучающие данные и конкретные возможности модели, поэтому качество генерации SQL по карточке оценить нельзя. Модель принимает и выдаёт текст; в метаданных указан английский язык. Распространяется по лицензии Apache-2.0.

Recorded Future совместно с AI Sweden разработали шведскую модель распознавания именованных сущностей на базе KB/bert-base-swedish-cased, дообученной на текстах из интернет-источников и форумов. Это BERT для токенной классификации с 151,9 млн параметров и контекстом до 512 токенов. Модель выделяет в шведском тексте местоположения, организации, персон, национальности, религии и титулы. На тестовых данных из той же предметной области общий F1 составил 0,92; для неродного шведского текста качество не определено, такие входы считаются вне домена. Для работы нужны Transformers версии 4.3.3 или новее и Torch 1.8.0 или новее. Лицензия — MIT.

Модель utrobinmv/t5_translate_en_ru_zh_base_200 — мультиязычная модель машинного перевода на базе архитектуры T5, представленная разработчиком utrobinmv. Она предназначена для перевода между русским, китайским и английским языками в направлениях ru↔zh, en↔zh и en↔ru. Целевой язык задаётся префиксом «translate to:»; исходный язык можно не указывать, а входной текст может быть многоязычным. Модель содержит 149,1 млн параметров и распространяется в формате safetensors; в метаданных указан датасет CCMatrix. Лицензия — Apache-2.0. Карточка не приводит ограничений качества или контекста.

Это точечный переранжировщик пассажей utahnlp, созданный на основе Qwen3-30B-A3B — причинной языковой MoE-модели — с помощью инструментария Tevatron 3.0. Модель дообучена контрастивным методом на наборе RLHN-680K; использованные при обучении LoRA-адаптеры объединены с весами модели. Модель оценивает релевантность пары «запрос — пассаж» и предназначена для повторного ранжирования результатов информационного поиска. Она принимает текст запроса и текст пассажа, включая заголовок, и вычисляет оценку как разность логитов ответов «yes» и «no» после заданного вопроса о релевантности. Это причинная языковая модель, а не обычный классификатор последовательностей. Контекст составляет 32 768 токенов; число параметров в метаданных — 2,6 млрд. Формат весов — safetensors, библиотека — Transformers. Карточка не сообщает поддерживаемые естественные языки. Базовая модель — Qwen/Qwen3-30B-A3B-Base. Лицензия — Apache-2.0. Для воспроизведения оценивания важно соблюдать описанный в карточке формат промпта и не добавлять EOS-токен перед вычислением оценки.

utahnlp/tevatron3-reranker-30b-a3b-distill-lora — точечная модель переранжирования пассажей, разработанная на базе Qwen3-30B-A3B с использованием инструментария Tevatron 3.0. Это причинная языковая модель архитектуры MoE, дообученная методом listwise-KL-дистилляции на RLHN-680K; LoRA-адаптер объединён с весами. Для пары запроса и фрагмента текста модель выдаёт оценку релевантности как разность логитов продолжений « yes» и « no» после специального завершающего вопроса в промпте. Модель предназначена для сортировки найденных пассажей в системах информационного поиска. Используются формат safetensors, библиотека Transformers и контекст до 32 768 токенов; указанный размер — 2,6 млрд параметров. Лицензия — Apache-2.0. Для корректных оценок нужен описанный в карточке формат промпта и расчёт логарифмических шансов; модель не является обычным классификатором с одним регрессионным логитом.

tevatron-elastic-modernbert-reranker-depth — дообученный реранкер на базе answerdotai/ModernBERT-base, созданный с помощью Tevatron-Elastic. Один чекпойнт поддерживает несколько рабочих точек по глубине: можно выполнять ранний выход на разных слоях, выбирая баланс между стоимостью обработки и качеством ранжирования. Модель предназначена для повторного ранжирования найденных документов по релевантности запросу; обучение проводилось на rlhn/rlhn-680K с префиксами query: и passage:. В отчёте для полной конфигурации указано значение BEIR-15 nDCG@10 0,466. Модель содержит 149 млн параметров, использует архитектуру ModernBERT и принимает текст. Метаданные указывают контекст до 8192 токенов, а README описывает обучение с максимальной длиной 512 токенов. Для загрузки и выбора рабочей точки требуется фреймворк Tevatron-Elastic; веса опубликованы в формате safetensors. Чекпойнт представлен как ресурс для воспроизводимости исследования, а не как заявление о превосходстве над другими моделями. Лицензия — Apache-2.0.

TiRoBERTa BiEncoder — модель двунаправленного кодировщика предложений для языка тигринья, разработанная как часть работы над монолингвальными bi-encoder-моделями. Она основана на TiRoBERTa-base и использует архитектуру Sentence-Transformers: кодирует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, информационного поиска, кластеризации и представления текста. Модель обучена на наборах данных для вопросов и ответов и информационного поиска на тигринья. Репозиторий содержит веса SafeTensors; для работы подходят Sentence-Transformers и Transformers. Контекст модели — до 512 токенов по README; метаданные указывают 514 токенов. Лицензия — Apache-2.0. Это модель векторных представлений, а не генеративная языковая модель; качество за пределами тигринья и обучающих сценариев не заявлено.

Tri-1.8B Translation — компактная мультиязычная модель перевода от Trillion Labs. Она основана на плотной архитектуре Llama с причинным языковым моделированием и содержит около 1,5 млрд параметров по метаданным (в README заявлено около 1,8 млрд). Модель поддерживает перевод во всех направлениях между английским, корейским, японским и китайским языками; для работы используется краткая инструкция с указанием исходного и целевого языков. Контекст составляет 16 384 токена. Модель прошла предварительное обучение и supervised fine-tuning, а также дистиллирована из более крупной Tri-21B для компактного развёртывания, в том числе на одной GPU. Её можно адаптировать к предметной области с помощью дообучения или лёгких адаптеров. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия Apache-2.0.

QuickHawk/trocr-indic — модель распознавания текста на изображениях по подходу TrOCR, разработанная Aarya Devarla для индийских языков. Она принимает кадрированные изображения с текстом и генерирует распознанную строку; архитектура — VisionEncoderDecoderModel, объединяющая DeiT и IndicBART. Модель обучена на наборе IndicSTR12 и рассчитана на распознавание ассамского, бенгальского, гуджарати, хинди, каннада, малаялам, маратхи, одиа, панджаби, тамильского и телугу. Несмотря на перечень языков обучения, README предупреждает, что из-за ограничений IndicBART обучение использовало только деванагари. Поэтому качество для языков с другими письменностями может быть ограниченным. Приведённые CER и WER также заметно различаются между языками. Модель распространяется по лицензии MIT.

ifesther/trocr-spanish-handwritten — модель распознавания рукописного текста на испанском языке, созданная дообучением microsoft/trocr-base-handwritten. Она предназначена для преобразования изображений отдельных рукописных строк в текст, включая современные испанские диакритические знаки и символы ñ, ¿ и ¡. Архитектура — vision encoder-decoder: визуальный энкодер ViT и авторегрессионный декодер RoBERTa. При обучении заморозили веса энкодера и адаптировали декодер на 3 000 синтетических строк, созданных с использованием 41 шрифта рукописного письма. Данные включали разные типы бумаги, цвет чернил, перспективные искажения и размытие. Модель рассчитана на распознавание строк, например в заметках, стихах, именах и датах. Лицензия — MIT. Модель работает с изображениями, где текст уже выделен в отдельные строки; страницы необходимо предварительно сегментировать. Она оптимизирована для современной испанской рукописи, а качество на исторической каллиграфии может различаться.

T-RSI OCR — экспериментальная модель psikosen для распознавания печатных текстовых строк на изображениях. Это плотная архитектура TRSIFastReflexForOCR с 1,5 млн параметров и трёхзначными весами BitNet, упакованными по четыре значения в байт; модель принимает полосу текста высотой 32 пикселя и выдаёт последовательность символов с помощью CTC. Для декодирования можно использовать поиск по префиксному лучу с символьной языковой моделью; также описан режим объединения результатов для разных горизонтальных растяжений изображения. Модель предназначена для распознавания строк в документах и сравнивалась с Tesseract 5 на синтетических шрифтах и строках, вырезанных из цифровых PDF. README сообщает о высокой точности по отдельным символам и ускорении на Apple Silicon при использовании SIMD, но результаты получены на одном Apple M4 Max и не были независимо воспроизведены. Это распознаватель строк: он не выполняет сегментацию страниц, анализ макета или таблиц. Поддерживается ограниченный набор из 95 печатных ASCII-символов без диакритики, иероглифов, математических обозначений и типографских кавычек. Модель доступна по лицензии MIT.